Fugu-MT 論文翻訳(概要): BAF-Detector: An Efficient CNN-Based Detector for Photovoltaic Cell Defect Detection

論文の概要: BAF-Detector: An Efficient CNN-Based Detector for Photovoltaic Cell Defect Detection

arxiv url: http://arxiv.org/abs/2012.10631v2
Date: Sun, 28 Mar 2021 02:38:09 GMT
ステータス: 処理完了
システム内更新日: 2021-05-01 11:12:31.853797
Title: BAF-Detector: An Efficient CNN-Based Detector for Photovoltaic Cell Defect Detection
Title（参考訳）: BAF検出器:太陽電池欠陥検出のための効率的なCNN検出器
Authors: Binyi Su, Haiyong Chen, Zhong Zhou
Abstract要約: 本稿では,マルチスケール機能融合を実現するため,注意に基づくトップダウン・ボトムアップアーキテクチャを開発した。高速RCNN+FPNの領域提案ネットワーク(RPN)にBAFPNを組み込んだ新しい物体検出器BAF-Detectorが提案されている。 3629個の画像と2129個の欠陥を含む大規模ELデータセットの実験結果から,提案手法は98.70%(F測定),88.07%(mAP),73.29%(IoU)のマルチスケール欠陥分類を達成した。
参考スコア（独自算出の注目度）: 7.151552353494974
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The multi-scale defect detection for photovoltaic (PV) cell electroluminescence (EL) images is a challenging task, due to the feature vanishing as network deepens. To address this problem, an attention-based top-down and bottom-up architecture is developed to accomplish multi-scale feature fusion. This architecture, called Bidirectional Attention Feature Pyramid Network (BAFPN), can make all layers of the pyramid share similar semantic features. In BAFPN, cosine similarity is employed to measure the importance of each pixel in the fused features. Furthermore, a novel object detector is proposed, called BAF-Detector, which embeds BAFPN into Region Proposal Network (RPN) in Faster RCNN+FPN. BAFPN improves the robustness of the network to scales, thus the proposed detector achieves a good performance in multi-scale defects detection task. Finally, the experimental results on a large-scale EL dataset including 3629 images, 2129 of which are defective, show that the proposed method achieves 98.70% (F-measure), 88.07% (mAP), and 73.29% (IoU) in terms of multi-scale defects classification and detection results in raw PV cell EL images.
Abstract（参考訳）: 太陽電池(PV)セルエレクトロルミネッセンス(EL)画像のマルチスケール欠陥検出は,ネットワークの深層化に伴う特徴の消失による課題である。この問題に対処するため,マルチスケール機能融合を実現するため,アテンションベースのトップダウン・ボトムアップアーキテクチャを開発した。このアーキテクチャはBAFPN(Bidirectional Attention Feature Pyramid Network)と呼ばれ、ピラミッドのすべての層が同様のセマンティックな特徴を共有することができる。 BAFPNでは、融合特徴における各画素の重要性を測定するためにコサイン類似性を用いる。さらに、高速RCNN+FPNの領域提案ネットワーク(RPN)にBAFPNを埋め込んだ新しい物体検出器BAF-Detectorが提案されている。 BAFPNはネットワークの堅牢性を改善してスケールし,マルチスケール欠陥検出タスクにおいて優れた性能を実現する。最後に,3629画像,2129画像を含む大規模elデータセットにおける実験結果から,本手法は生のpvセルel画像において,マルチスケールの欠陥分類と検出結果の点で98.70% (f-measure),88.07% (map),73.29% (iou) を達成した。

関連論文リスト

Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery [51.83786195178233]
我々は、効率的な特徴抽出の観点から再正規化群理論を実装するために、知識発見ネットワーク(KDN)を設計する。 KDN上の再正規化接続(RC)は、マルチスケール特徴の「相乗的焦点」を可能にする。 RCはFPNベースの検出器のマルチレベル特徴の分割・対数機構を幅広いスケールで予測されたタスクに拡張する。
論文参考訳（メタデータ） (2024-09-09T13:56:22Z)
mAPm: multi-scale Attention Pyramid module for Enhanced scale-variation in RLD detection [0.3499870393443268]
mAPmは、拡張畳み込みをFPN(Feature Pyramid Network)に統合し、マルチスケール情報抽出を強化する新しいアプローチである。 MRLDおよびCOCOデータセットを用いて, YOLOv7上のmAPmを評価する。
論文参考訳（メタデータ） (2024-02-26T04:18:42Z)
DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-12-11T18:38:28Z)
Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文参考訳（メタデータ） (2023-09-22T06:19:11Z)
Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文参考訳（メタデータ） (2023-08-24T12:32:46Z)
Lightweight wood panel defect detection method incorporating attention mechanism and feature fusion network [9.775181958901326]
本稿では,注目機構と特徴融合ネットワークを組み込んだYOLOv5-LWという軽量な木材パネル欠陥検出手法を提案する。提案手法は92.8%の精度でパラメータ数を27.78%削減し,計算量を41.25%圧縮し,検出速度を10.16%向上させる。
論文参考訳（メタデータ） (2023-06-21T08:55:45Z)
Photovoltaic Panel Defect Detection Based on Ghost Convolution with BottleneckCSP and Tiny Target Prediction Head Incorporating YOLOv5 [5.632384612137748]
本稿では,Ghost convolution with BottleneckCSPとPVパネル欠陥検出のための小さなターゲット予測ヘッドを提案する。 BottleneckCSPモジュールは、小さなターゲット検出のための予測ヘッドを追加して、小さな欠陥ミスを軽減するために導入された。提案するPVパネル表面欠陥検出ネットワークは、mAPの性能を少なくとも27.8%向上させる。
論文参考訳（メタデータ） (2023-03-02T01:06:35Z)
Efficient Image Super-Resolution with Feature Interaction Weighted Hybrid Network [101.53907377000445]
軽量画像超解像は、低解像度画像から低計算コストで高解像度画像を再構成することを目的としている。既存の方法では、活性化関数による中間層の特徴が失われる。本稿では,中間的特徴損失が再構成品質に与える影響を最小限に抑えるために,特徴相互作用重み付きハイブリッドネットワーク(FIWHN)を提案する。
論文参考訳（メタデータ） (2022-12-29T05:57:29Z)
Enhanced Single-shot Detector for Small Object Detection in Remote Sensing Images [33.84369068593722]
小型物体検出のための画像ピラミッド単発検出器(IPSSD)を提案する。 IPSSDでは、単一ショット検出器と画像ピラミッドネットワークを組み合わせて、候補領域を生成するための意味的に強い特徴を抽出する。提案するネットワークは,特徴ピラミッドネットワークから小規模な特徴を拡張できる。
論文参考訳（メタデータ） (2022-05-12T07:35:07Z)
Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文参考訳（メタデータ） (2020-08-19T13:13:01Z)
PENet: Object Detection using Points Estimation in Aerial Images [9.33900415971554]
これらの課題に対処するために,新しいネットワーク構造であるポイント推定ネットワーク(PENet)を提案する。 PENetはMask Resampling Module(MRM)を使用して、不均衡なデータセットを増大させ、粗いアンカーフリー検出器(CPEN)で小さなオブジェクトクラスタの中心点を効果的に予測し、微細なアンカーフリー検出器FPENで小さなオブジェクトの正確な位置を特定する。航空データセット visDrone と UAVDT による実験により,PENet は既存の最先端手法よりも精度の高い結果を得た。
論文参考訳（メタデータ） (2020-01-22T19:43:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。